深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 24188 篇文献，本页显示第 13821 - 13840 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13821 | 2024-10-18 |
Defining Normal Ranges of Skeletal Muscle Area and Skeletal Muscle Index in Children on CT Using an Automated Deep Learning Pipeline: Implications for Sarcopenia Diagnosis
2022-08, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27239
PMID:35234481
|
研究论文 | 使用自动化深度学习管道在儿童腹部CT图像上定义骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症 | 首次使用自动化深度学习管道在儿童群体中定义骨骼肌面积和骨骼肌指数的正常范围 | 研究仅限于特定医院的数据，样本选择标准严格，可能影响结果的普适性 | 确定儿童骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症 | 儿童的骨骼肌面积和骨骼肌指数 | 计算机视觉 | NA | 深度学习 | DL | 图像 | 2168名儿童，年龄范围2.00-18.99岁，包括1125名女性和1043名男性 |
| 13822 | 2024-10-18 |
Editorial Comment: Doing More With Less-Deep Learning Iterative Reconstruction Can Improve Diagnostic Image Quality in Pediatric Low-Dose Body CT
2022-Aug, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.27613
PMID:35261283
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13823 | 2024-10-18 |
Is Artificial Intelligence (AI) a Pipe Dream? Why Legal Issues Present Significant Hurdles to AI Autonomy
2022-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27224
PMID:35138133
|
评论 | 本文讨论了人工智能（AI）在放射学中的应用及其面临的法律障碍 | 本文首次深入探讨了AI在放射学中应用时面临的法律责任问题 | 本文主要关注法律问题，未详细讨论技术实现的具体细节 | 探讨AI在放射学中应用的法律障碍及其对AI发展的影响 | AI在放射学中的应用及其法律责任问题 | NA | NA | NA | NA | NA | NA |
| 13824 | 2024-10-18 |
Guest Editorial Annotation-Efficient Deep Learning: The Holy Grail of Medical Imaging
2021-Oct, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/tmi.2021.3089292
PMID:34795461
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13825 | 2024-10-18 |
Liver Steatosis Categorization on Contrast-Enhanced CT Using a Fully Automated Deep Learning Volumetric Segmentation Tool: Evaluation in 1204 Healthy Adults Using Unenhanced CT as a Reference Standard
2021-08, AJR. American journal of roentgenology
DOI:10.2214/AJR.20.24415
PMID:32936018
|
研究论文 | 本文评估了一种全自动深度学习体积分割工具在对比增强CT上对脂肪肝分类的准确性，使用未增强CT作为参考标准 | 使用全自动深度学习体积分割算法进行肝脾体积分割，并评估其在对比增强CT上对脂肪肝分类的准确性 | 需要进一步验证不同扫描协议和供应商的结果 | 评估全自动深度学习体积分割工具在对比增强CT上对脂肪肝分类的准确性 | 1204名健康成年人 | 计算机视觉 | 肝病 | 3D卷积神经网络 | CNN | CT图像 | 1204名健康成年人（平均年龄45.2岁，726名女性，478名男性） |
| 13826 | 2024-10-18 |
Editorial Comment on "Liver Steatosis Categorization on Contrast-Enhanced CT Using a Fully Automated Deep Learning Volumetric Segmentation Tool: Evaluation in 1204 Healthy Adults Using Unenhanced CT as a Reference Standard"
2021-Aug, AJR. American journal of roentgenology
DOI:10.2214/AJR.20.24764
PMID:32997510
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13827 | 2024-10-18 |
Diagnostic Accuracy of Quantitative Multicontrast 5-Minute Knee MRI Using Prospective Artificial Intelligence Image Quality Enhancement
2021-06, AJR. American journal of roentgenology
DOI:10.2214/AJR.20.24172
PMID:32755384
|
研究论文 | 本研究评估了使用深度学习增强的5分钟3D定量双回波稳态（qDESS）序列与传统膝关节MRI在诊断准确性方面的比较 | 本研究首次使用深度学习超分辨率增强技术来提高qDESS序列的图像质量，并自动生成T2图 | 本研究样本量较小，仅包括51名患者，且未涵盖所有可能的膝关节病变 | 评估深度学习增强的qDESS序列与传统膝关节MRI在诊断准确性方面的差异 | 膝关节MRI图像的质量和诊断准确性 | 计算机视觉 | NA | 深度学习超分辨率增强 | 深度学习模型 | 图像 | 51名膝关节疼痛患者 |
| 13828 | 2024-10-17 |
Classification of Parkinson's disease severity using gait stance signals in a spatiotemporal deep learning classifier
2024-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03148-2
PMID:38884852
|
研究论文 | 本文开发了一种基于垂直地面反作用力信号的帕金森病严重程度分类算法 | 使用改进的卷积长深度神经网络架构对每只脚的步态站立阶段信号进行建模，并将结果结合以预测帕金森病严重程度，优于以往文献中的结果 | NA | 提高帕金森病诊断的准确性 | 帕金森病患者的步态信号 | 机器学习 | 帕金森病 | NA | 卷积长深度神经网络 | 信号 | 93名帕金森病患者和72名健康对照成人 |
| 13829 | 2024-10-17 |
Multi-label classification of retinal diseases based on fundus images using Resnet and Transformer
2024-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03144-6
PMID:38871856
|
研究论文 | 本文提出了一种结合ResNet和Transformer的框架，用于眼底图像的多标签分类，以诊断多种视网膜疾病 | 该模型通过ResNet提取图像特征，利用Transformer捕捉全局信息，并通过可学习的标签嵌入增强类别之间的关系，显著提高了多标签分类的准确性 | NA | 提高视网膜疾病多标签分类的准确性和效率 | 视网膜疾病的多标签分类 | 计算机视觉 | 视网膜疾病 | 深度学习 | ResNet和Transformer | 图像 | 5000张眼底图像 |
| 13830 | 2024-10-17 |
Layer-selective deep representation to improve esophageal cancer classification
2024-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03142-8
PMID:38848031
|
研究论文 | 本文研究了ResNet-50深度卷积设计对Barrett's食管和腺癌分类的影响 | 提出了一种两步学习技术，通过训练和分类ResNet-50架构中每个卷积层的输出来定义对架构影响更大的层 | 未提及 | 提高食管癌分类的准确性和透明度 | Barrett's食管和腺癌 | 计算机视觉 | 食管癌 | 深度学习 | ResNet-50 | 图像 | 未提及 |
| 13831 | 2024-10-17 |
Artificial intelligence in healthcare: a mastery
2024-Nov, Biotechnology & genetic engineering reviews
DOI:10.1080/02648725.2023.2196476
PMID:37013913
|
综述 | 本文综述了人工智能（AI）在医疗领域的最新进展，并讨论了其在商业、监管和社会学方面的实施情况 | 本文介绍了AI在医疗领域的多种应用，包括诊断和治疗、患者参与和承诺以及行政任务，并讨论了其在复杂疾病风险预测中的未来潜力 | 本文指出了AI在医疗领域应用中需要解决的困难、限制和偏见 | 探讨AI在医疗领域的应用及其未来潜力 | AI在医疗领域的应用及其在诊断、治疗和风险预测中的作用 | 机器学习 | NA | 深度学习算法和人工神经网络（ANN） | 人工神经网络（ANN） | 多维生物数据集 | NA |
| 13832 | 2024-10-17 |
Preliminary report on the short-term efficacy and safety of SAPO-S1 therapy for locally advanced gastric cancer with a deep learning perspective
2024-Nov, Biotechnology & genetic engineering reviews
DOI:10.1080/02648725.2023.2202513
PMID:37078530
|
研究论文 | 评估SAPO-S1疗法在局部晚期胃癌新辅助治疗中的短期疗效和安全性 | 探讨了sindilizumab与白蛋白结合型紫杉醇+奥沙利铂+S-1化疗（SAPO-S1疗法）联合用于局部晚期胃癌新辅助治疗的疗效和安全性 | 研究样本量较小，且仅评估了短期疗效和安全性 | 评估SAPO-S1疗法在局部晚期胃癌新辅助治疗中的疗效和安全性 | 局部晚期胃癌患者 | NA | 胃癌 | NA | NA | NA | 28名患者 |
| 13833 | 2024-10-17 |
MFCA-MICNN: a convolutional neural network with multiscale fast channel attention and multibranch irregular convolution for noise removal in dMRI
2024-Oct-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad8294
PMID:39412243
|
研究论文 | 提出了一种用于dMRI图像去噪的多尺度快速通道注意力和多分支不规则卷积神经网络 | 引入了多尺度快速通道注意力和多分支不规则卷积架构，以及一种新的损失函数 | NA | 提高dMRI图像去噪的准确性和速度 | dMRI图像中的噪声 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA |
| 13834 | 2024-10-17 |
Mild cognitive impairment detection from facial video interviews by applying spatial-to-temporal attention module
2024-Oct-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2024.124185
PMID:38881832
|
研究论文 | 本文提出了一种基于深度学习模型，通过面部视频访谈检测轻度认知障碍（MCI）的方法 | 本文创新性地提出了空间到时间注意力模块（STAM），结合面部和交互特征，提高了MCI检测的准确性 | NA | 早期检测轻度认知障碍（MCI），以实现早期干预，减缓MCI向痴呆的进展 | 老年人的轻度认知障碍（MCI） | 计算机视觉 | 老年疾病 | 深度学习（DL） | 卷积自编码器和Transformer | 视频 | 来自I-CONECT行为干预研究的多个视频记录会话，涉及社会隔离的老年人与采访者之间的半结构化访谈 |
| 13835 | 2024-10-17 |
Based on improved joint detection and tracking of UAV for multi-target detection of livestock
2024-Oct-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38316
PMID:39403468
|
研究论文 | 本文介绍了一种基于改进的联合检测和跟踪框架，用于无人机对牲畜的多目标检测 | 提出了一种结合目标检测和跟踪的深度学习框架，通过连续帧对提取和共享特征，提高了计算效率，并使用多种损失函数和复合去模糊模块来提高检测精度 | 未提及具体限制 | 提高无人机在农业中对牲畜多目标检测和跟踪的精度和速度 | 牲畜的多目标检测和跟踪 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 未提及具体样本数量 |
| 13836 | 2024-10-17 |
How to go green? Exploring public attention and sentiment towards waste sorting behaviors on Weibo platform: A study based on text co-occurrence networks and deep learning
2024-Oct-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38510
PMID:39403487
|
研究论文 | 研究通过文本共现网络和深度学习模型分析微博平台上公众对垃圾分类行为的关注度和情感 | 开发了结合共现网络和深度学习的研究框架，扩展了公众对垃圾分类感知研究的范式和维度 | NA | 探讨公众对垃圾分类行为在社交媒体上的关注度和情感，以促进绿色生活和气候政策的实施 | 微博平台上关于垃圾分类的帖子及其用户 | 自然语言处理 | NA | 文本共现网络、LDA主题建模、深度学习 | LSTM | 文本 | 367,856条微博帖子 |
| 13837 | 2024-10-17 |
Unpaired data training enables super-resolution confocal microscopy from low-resolution acquisitions
2024-Oct-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.537713
PMID:39404535
|
研究论文 | 本文介绍了一种使用循环一致生成对抗网络（cycleGAN）框架，通过未配对数据训练来提高共聚焦显微镜横向分辨率的方法 | 本文首次使用未配对数据训练cycleGAN模型，实现了共聚焦显微镜的超分辨率成像 | 需要进一步验证该方法在其他类型细胞和不同显微镜系统中的适用性 | 开发一种无需配对训练数据即可实现显微镜超分辨率成像的方法 | 人胶质母细胞瘤细胞的低分辨率和高分辨率共聚焦图像 | 计算机视觉 | NA | NA | cycleGAN | 图像 | 未配对的低分辨率和高分辨率共聚焦图像 |
| 13838 | 2024-10-17 |
Deep Learning Analysis With Gray Scale and Doppler Ultrasonography Images to Differentiate Graves' Disease
2024-Oct-15, The Journal of clinical endocrinology and metabolism
DOI:10.1210/clinem/dgae254
PMID:38609169
|
研究论文 | 本研究开发了一种基于灰度和多普勒超声图像的机器学习算法，用于区分格雷夫斯病和甲状腺炎 | 利用深度学习模型Xception和EfficientNetB0_2处理超声图像，以提高格雷夫斯病诊断的准确性和敏感性 | 研究仅在单一三级医院进行，样本量有限，可能影响结果的普适性 | 开发一种机器学习算法，用于区分格雷夫斯病和甲状腺炎，以确保有效的治疗决策 | 格雷夫斯病和甲状腺炎患者 | 机器学习 | 内分泌疾病 | 超声成像 | 深度学习模型 | 图像 | 7719张格雷夫斯病患者的超声图像和2980张甲状腺炎患者的超声图像 |
| 13839 | 2024-10-17 |
Enhancing societal security: a multimodal deep learning approach for a public person identification and tracking system
2024-10-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74560-9
PMID:39397044
|
研究论文 | 本文提出了一种基于多模态深度学习的公共人员识别和跟踪系统，以增强社会安全 | 该系统采用多模态方法，结合步态、面部和虹膜识别，并使用预训练的深度卷积神经网络（DCNNs）进行个体预测，准确率高达94%，优于现有系统 | NA | 研究旨在探索和验证所提出的系统在公共空间中的有效性和潜在应用 | 公共空间中的人员识别和跟踪 | 计算机视觉 | NA | 深度卷积神经网络（DCNNs） | 深度卷积神经网络（DCNNs） | 图像 | NA |
| 13840 | 2024-10-17 |
An effective method for anomaly detection in industrial Internet of Things using XGBoost and LSTM
2024-Oct-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74822-6
PMID:39397055
|
研究论文 | 提出了一种基于XGBoost和LSTM的工业物联网异常检测方法 | 通过设置不同阈值的XGBoost进行特征选择，并设计了优化的损失函数来处理数据不平衡和高相似类别问题 | 未提及具体局限性 | 提高工业物联网中异常检测的准确性和效率 | 工业物联网中的异常检测 | 机器学习 | NA | XGBoost, LSTM | MIX_LSTM | 数据集 | 使用UNSW-NB15和NSL-KDD数据集进行实验 |